9月12日，港股百度集團和阿里巴巴股價雙雙大漲，漲幅分別達到8.08%和5.44%。此前有消息稱，兩家公司正在使用自研芯片訓練AI大模型，阿里巴巴已在小規模模型的訓練中使用自研芯片，而百度則嘗試用昆侖芯P800芯片訓練新版文心大模型。
在當下的全球資本市場，任何有關AI算力的“風吹草動”都可能引發股價異動。9月7日，特斯拉創始人埃隆·馬斯克表示，已與特斯拉AI5芯片設計團隊進行了一場設計評審，并稱AI5將是一款“史詩級的芯片”。在馬斯克宣布進軍AI芯片領域前兩天，OpenAI被曝與美國半導體巨頭博通啟動自研AI芯片量產，這一消息也推動博通股價大漲。
縱觀這些公司，無一例外均是當前最為頂尖和主流的大模型研發廠商。紛紛加碼芯片研發的動作表明，算力已從AI競爭中的可選項變為必選項，成為必須牢牢掌控在手中的關鍵“命門”。多名業內人士在接受證券時報記者采訪時表示，科技巨頭們的“芯片戰事”已不僅是一場單一維度的技術突圍，更是一場關乎成本控制與性能提升、供應鏈安全與生態主導權的戰略博弈。
從自研到投資
科技公司雙軌并行加碼AI算力
最近，阿里巴巴再度成為股市的當紅“炸子雞”，股價連連上漲。推動股價大幅上漲的主要因素之一是有消息稱，阿里巴巴正在開發一款新的人工智能芯片，這款芯片已進入測試階段，主要面向更廣泛的AI推理任務。
事實上，與國外科技巨頭近期才傳出的密集布局不同，國內互聯網大廠的“芯片戰事”早已打響。2018年，平頭哥（杭州）半導體有限公司（以下簡稱“平頭哥”）作為阿里巴巴旗下專注于半導體技術研發與產業化的科技企業正式成立。2019年，平頭哥推出首款RISC-V處理器玄鐵910，同年發布了首款AI芯片含光800，重點應用于視覺場景。
與阿里巴巴一樣，騰訊和字節跳動近年來亦持續加大自研芯片的力度。騰訊已在三款自研芯片上取得重要進展，分別是AI推理芯片“紫霄”、視頻轉碼芯片“滄海”以及智能網卡芯片“玄靈”。字節跳動雖尚未推出自研芯片產品，但已組建相關研發團隊，并在近幾年的校園招聘中設置了多個與芯片相關的崗位。
除了自研以外，投資芯片公司也是科技巨頭搶灘AI算力賽道的共同選擇。過去幾年，阿里投資了寒武紀(1440.000, -48.00, -3.23%)、深鑒科技、翱捷科技(103.000, -3.00, -2.83%)等芯片企業，騰訊押注長鑫存儲、燧原科技、集益威半導體等公司，字節跳動則入股了摩爾線程、聚芯微電子、昕原半導體等多家芯片公司。
一手自研一手投資，科技公司以雙軌并行的形式加碼AI算力布局。“這既體現了大廠對核心技術自主可控的迫切需求，也反映出其在高風險、長周期的芯片產業中尋求效率與安全平衡的務實考量。”一名人工智能資深專家告訴證券時報記者，自研能夠深度匹配自身業務場景，實現算法、框架與硬件的協同優化；而投資則可快速切入前沿技術賽道，同時分散研發失敗的風險。
為何“造芯”？
成本、性能與生態的三重考量
互聯網大廠為何熱衷“造芯”？記者多方采訪了解到，這背后有著成本、性能與生態的三重考量。
“生成式AI對算力的指數級需求驅動大廠持續重構底層架構，通用GPU已難以平衡千億參數模型訓練推理的效率與成本。”天使投資人、資深人工智能專家郭濤在接受證券時報記者采訪時表示，隨著各大AI公司對訓練復雜模型的需求激增，芯片制造商難以滿足市場需求，全球算力供需失衡的現狀也導致科技公司采購芯片的成本不斷上升。
“目前，采購外部芯片的成本高昂且供應不穩定，自研AI芯片能顯著降低采購成本，并避免受制于供應商的變化，從而補充和滿足內部業務對高效算力的需求。”上海經邑產業數智研究院副院長沈佳慶告訴證券時報記者，助推成本降低和增強供應鏈韌性，是當前科技公司加碼AI芯片的核心驅動力(11.220, 0.39, 3.60%)。
此外，據記者了解，AI芯片分為通用芯片和專用芯片。通用芯片即常說的CPU（中央處理器）、GPU（圖形處理器），可以滿足廣泛的計算需求和適應不同應用場景，具有高度靈活性和可編程性；專用芯片則為特定的應用或任務設計，如ASIC（專用集成電路）、FPGA（現場可編程門陣列）等，針對特定的算法或任務進行優化，以實現最高的性能和效率。
“相比通用芯片，專用芯片的研發門檻較低，相對容易許多。目前科技公司研發的AI芯片大多是專用芯片，更適配自身的云計算和AI業務。”前述人工智能資深專家表示，例如，騰訊的“紫霄”“滄海”和“玄靈”這三款自研芯片均聚焦特定領域，性能相比業界均有明顯提升。沈佳慶也表示，由于AI專用芯片技術門檻相對可控，有利于企業盡快形成產能。
在郭濤看來，相較于此前的芯片投資熱潮，本輪生成式AI浪潮下的芯片布局以“算法—芯片—場景”閉環為核心，追求軟硬件協同設計的極致能效比。各個科技公司由于業務基礎不同，優化芯片的核心驅動力也有所差異。“阿里巴巴聚焦彈性算力池，通過自研芯片提升云平臺性能；字節跳動優化芯片實時推理密度，服務短視頻及電商場景；騰訊則強化低延時響應，支撐游戲與社交交互。”郭濤說。
而相較于成本與性能，更深層次的動因在于搶奪生態主導權。業內的共識是，英偉達最深的護城河并非強大的GPU硬件，而是其構建的軟件生態系統CUDA，通過將二者深度綁定，形成了軟硬一體化的優勢。“‘GPU+CUDA’的組合長期占據主導地位，‘自研芯片+開源生態’是打破現有壟斷格局、構建自主可控技術棧的現實選擇。”前述人工智能資深專家表示，通過自研芯片并配套開源軟件棧和開發者工具，可逐步形成軟硬一體的完整生態，從而掌握更大的產業話語權。
挑戰重重 需突破技術迭代
風險與生態壁壘限制
與專門的芯片公司相比，互聯網巨頭“造芯”有不少獨特的優勢。“它們業務規模龐大，擁有海量實際業務數據和應用場景，自研芯片時具有供應鏈與成本控制力。此外，規模化業務也能攤薄研發成本，并形成生態協同效應。”沈佳慶表示，互聯網大廠還具有資金與人才優勢，具備長期持續投入的資本實力，能吸引頂尖芯片研發人才加盟。
盡管優勢突出，但作為一個重資產投入、長研發周期的行業，大廠們的“造芯”之路仍然充滿荊棘，注定是一場“硬仗”與“漫漫長跑”。
一方面，技術迭代的風險首當其沖。“AI芯片研發需3—5年周期，但AI技術迭代迅猛，可能導致芯片量產前就面臨技術落后的風險。”沈佳慶表示。此外，受地緣政治影響，先進制程受制且代工廠產能波動可能中斷生產，加劇了供應鏈的不確定性。另一方面，生態壁壘的突破有待時日。“自研芯片在軟件棧、開發者工具鏈等生態環節弱于國際成熟企業，用戶遷移成本高，制約了商業化。”沈佳慶說。
對于技術迭代風險，郭濤建議應多管齊下提升研發速度。“具體而言，可以采用Chiplet（芯粒，即將大型芯片分解為多個具特定功能的小芯片，并使用先進封裝技術將它們互聯，最終集成封裝為一個系統芯片）模塊化設計縮短研發周期。還可以實施‘漸進式替代’戰略，初期聚焦邊緣端輕量化場景積累數據，再逐步向訓練端滲透。”郭濤表示，這其中的成敗關鍵在于將互聯網速度文化注入半導體長周期產業，通過持續場景反哺實現技術躍遷，最終形成“敏捷迭代+生態共建+場景反哺”的閉環體系。
在打破生態壁壘方面，沈佳慶強調生態共建的重要性，企業除了聚焦自身業務場景，在細分賽道推出多種專業芯片來提升市場競爭力以外，更要聯合其他國產廠商，搭建平臺共建軟硬件生態。“在越來越前沿的科技戰場上，依靠單打獨斗已不是主流。”沈佳慶說，打造AI芯片領域軟硬件開源技術協作平臺，依靠開源模式吸引眾多開發者快速迭代技術并形成生態，可能是今后推動科技創新的有效途徑。（記者 周春媚）
